MLOps ja perinteinen koneoppiminen
Ymmärtäkää, miten mallin vieminen tuotantoon eroaa sen kouluttamisesta notebookissa.
MLOps ja perinteinen koneoppiminen on ilmainen MLOps Academy-oppitunti CoddyKitissä. Tämä on oppitunti 1/4. Voit lukea koko oppitunnin alta ilmaiseksi ja harjoitella sen jälkeen käytännössä selaimessa sisäänrakennetulla koodieditorilla ja ympäri vuorokauden käytettävissä olevan tekoälytuutorin avulla. Oppitunti kuuluu MLOps Academy-oppimispolkuun, ja edistymisesi synkronoituu verkon ja CoddyKit-sovelluksen välillä. MLOps Academy-kurssilla on yhteensä 4 oppituntia.
Kaksi eri tehtävää
Mallin kouluttaminen ja mallin vieminen tuotantoon ovat kaksi eri tehtävää. Toinen päättyy muistikirjan kaavioon, toinen siihen, että oikeat käyttäjät käyttävät malliasi joka sekunti.
Mitä tavallinen koneoppiminen on
Tavallinen koneoppiminen on tiedettä: siivoat datan, sovitat mallin ja tarkistat sen tarkkuuden. Loistavaa työtä, mutta kaikki tapahtuu kannettavallasi.
Mitä MLOps tuo lisää
MLOps kattaa kaiken, mitä mallin luotettavaan käyttöön todellisessa maailmassa tarvitaan: sen käyttöönoton, valvonnan ja päivittämisen ilman, että mikään rikkoutuu. 🚀
Muistikirjaloukku
Muistikirjassa oleva malli suoritetaan kerran, sinua varten ja valitsemallasi puhtaalla datalla. Tuotantoympäristössä malli toimii jatkuvasti tuntemattomien käyttäjien kanssa datalla, joka on sotkuista ja jota et ole koskaan nähnyt.
model.fit(X_train, y_train)
print(model.score(X_test, y_test))Koodi on vain yksi osa
Tavallisessa ohjelmistossa koodi on tuote. Koneoppimisessa myös data muovaa toimintaa, joten sinun on versioitava ja seurattava dataa, ei vain koodia.
Mallit vanhenevat
Koodi ei rapistu, mutta mallit rapistuvat. Maailma muuttuu, joten viime kuussa loistava malli voi huomaamatta rappeutua ja alkaa antaa vääriä vastauksia.
Kyse on silmukasta
Tavallinen koneoppiminen tuntuu maaliviivalta. MLOps on silmukka: ota käyttöön, valvo, opi, kouluta uudelleen ja ota taas käyttöön – yhä uudelleen.
Toistettavuus on tärkeää
Sinun on pystyttävä rakentamaan myöhemmin täsmälleen sama malli uudelleen. Se tarkoittaa datan, koodin ja ympäristön kiinnittämistä niin, että suoritus on täysin toistettavissa.
Tarkkuus ei ole kaikki kaikessa
Offline-tarkkuus on vain yksi luku. Tuotannossa ovat tärkeitä myös viive, käytettävyysaika ja kustannukset, sillä hitaat tai kalliit ennusteet eivät palvele käyttäjiä.
Lainattu DevOpsista
MLOps lainaa DevOpsin kurinalaisuuden eli ohjelmistojen toimitusten automatisoinnin käytännöt ja laajentaa ne kattamaan myös datan ja mallit.
Tiimityötä
Tavallinen koneoppiminen voi olla yhden ihmisen työtä. Mallien vieminen tuotantoon on tiimityötä datan, ohjelmistokehityksen ja ylläpidon välillä, joten yhteiset työkalut ovat todella tärkeitä.
Pikatarkistus
Testataan mallin kouluttamisen ja tuotantoon viemisen keskeinen ero.
Kertaus
Tavallinen koneoppiminen rakentaa mallin; MLOps pitää sen elossa tuotannossa käyttöönoton, valvonnan ja uudelleenkoulutuksen avulla. Nyt tiedät, miksi tuotantoon vieminen on todellinen haaste. ✅
Opi Python tekoälytuutorin avulla — ilmaiseksi
Kirjoita ja suorita oikeaa koodia selaimessa, saa välitöntä apua tekoälytuutorilta ympäri vuorokauden ja jatka siitä, mihin jäit, verkossa tai sovelluksessa.
- Kurssit
- 30
- Oppitunnit
- 120
Usein kysytyt kysymykset
Onko oppitunti ”MLOps ja perinteinen koneoppiminen” ilmainen?
Kyllä – oppitunnin ”MLOps ja perinteinen koneoppiminen” koko tekstin voi lukea täällä verkossa ilmaiseksi. Jos haluat harjoitella interaktiivisesti sisäänrakennetulla koodieditorilla ja ympäri vuorokauden käytettävissä olevan tekoälytuutorin avulla sekä avata koko MLOps Academy-kurssin, päivitä CoddyKit PROhon. MLOps Academy-kurssilla on yhteensä 4 oppituntia.
Mitä opin oppitunnilla ”MLOps ja perinteinen koneoppiminen”?
Ymmärtäkää, miten mallin vieminen tuotantoon eroaa sen kouluttamisesta notebookissa. Harjoittelet MLOps Academy-aihetta koodilla, jonka suoritat suoraan selaimessa. Ympäri vuorokauden käytettävissä oleva tekoälytuutori vastaa kysymyksiisi oppitunnin aikana.
Tarvitsenko kokemusta aloittaakseni MLOps Academy-opiskelun?
Aiempi kokemus ei ole tarpeen. CoddyKitin MLOps Academy-oppimispolku sopii vasta-alkajista edistyneisiin, joten voit aloittaa tästä tai alusta ja edetä omaan tahtiisi. Tämä on oppitunti 1/4.
Kuinka kauan ”MLOps ja perinteinen koneoppiminen”-oppitunnin suorittaminen kestää?
Useimmat CoddyKitin oppitunnit kestävät noin 5–10 minuuttia. Jokainen oppitunti on lyhyt ja interaktiivinen, joten edistyt tasaisesti ja voit jatkaa siitä, mihin jäit – sekä verkossa että sovelluksessa.
Voinko kirjoittaa ja suorittaa koodia tällä MLOps Academy-oppitunnilla?
Kyllä. Jokainen MLOps Academy-oppitunti sisältää sisäänrakennetun koodieditorin, joten voit kirjoittaa ja suorittaa oikeaa koodia suoraan selaimessa ja saada välitöntä palautetta tekoälyltä – paikallista asennusta ei tarvita.
Kaikki tämän kurssin oppitunnit
- MLOps ja perinteinen koneoppiminen
- Koneoppimisen elinkaari yhdellä kuvalla
- Kuka tekee mitä: ML-tiimin roolit
- MLOps-kypsyystason tarkistuslista